Nov, 2019

使用卷积神经网络学习表征进行 Cover 歌曲识别

PDF
TL;DR本文提出了一种基于卷积神经网络的新型架构，用于解决音乐信息检索中的 Cover Song Identification 问题，随着分类策略的应用，该网络可训练出对节奏变化具有鲁棒性的模型，实验证明该方法在解决 cover song identification 问题方面表现优异。
cover song identificationmusic information retrievalconvolutional neural networkneural network approachesrobust models
发现论文，激发创造
  • 使用卷积神经网络进行音频翻唱歌曲识别

    该研究提出了一种使用卷积神经网络进行歌曲识别的新方法，并通过构建数据集以及训练 CNN 模型的方式来实现歌曲识别，实验结果表明该算法的性能优于或与最先进的算法相当。

    Dec, 2017

  • 卷积循环神经网络用于音乐分类

    本研究引入了一种卷积循环神经网络（CRNN）进行音乐标记。研究中对比了使用 CNN 的三种不同结构来进行音乐标记的性能和每个样本的训练时间，并表明相对其他模型，CRNN 具有更好的效果和更少的参数和更快的训练时间， 表明其混合结构在音乐特征提取和特征总结中的有效性。

    Sep, 2016

  • 使用卷积神经网络自动识别多音乐器中的乐器

    本文介绍了利用卷积神经网络进行自动乐器识别的应用。在这个模型中，特征提取和学习算法是通过端到端方式一起训练的。通过基于原始音频训练的卷积神经网络所取得的结果表明，其性能优于那些依赖手工制作特征的传统方法。

    Nov, 2015

  • 音乐分类和回归任务的迁移学习

    本文介绍了一种基于转移学习的音乐分类和回归任务的方法，使用预训练的卷积网络提取出用于多个层次的特征向量进行音乐分类及回归。经实验证明，相较于传统的低、高层次的音乐特征和 MFCC 特征，使用卷积神经网络 (convnet) 作为特征提取方法的结果更好且具有通用性。

    Mar, 2017

  • 利用卷积神经网络进行音乐音频信号的音色分析

    探究如何利用卷积神经网络 (CNNs) 从对数 - 梅尔幅度谱图中有效地学习音色表示，提出了一种设计策略，旨在捕捉用于学习音质的相关时频上下文，并且设计了多个基于该策略的 CNN 体系结构。这些体系结构成功地应用于与音色相关的不同研究任务。

    Mar, 2017

  • 基于 CNN 的自动音乐标记模型评估

    本文在三个数据集上对不同音乐标注模型进行一致的评估，并使用 ROC-AUC 和 PR-AUC 等常见评估指标提供参考结果，同时评估了模型的泛化能力。使用 PyTorch 提供预训练模型的实现，以保证可复制性。

    Jun, 2020

  • 使用原始波形的音乐自动标记样本级 CNN 架构

    本文介绍了一种基于改进了的 1 维卷积神经网络架构的音乐自动标记方法，该方法采用最先进的图像分类模型 ResNets 和 SENets 构建块，并添加多级特征聚合。结果表明，此方法在 MagnaTagATune 数据集上取得了显著改进，并在 Million Song 数据集上取得了可比结果。

    Oct, 2017

  • 一种用于封面检测的原型三元组损失

    用卷积神经网络将每个音轨映射到一个嵌入向量，并在嵌入空间中最小化覆盖对的距离，同时在非覆盖下最大化，以检测音频文件是否嵌入其目录中的音乐内容，同时提出了两种改进的方法来提高模型在困难情况下的准确性。

    Oct, 2019

  • 使用卷积神经网络从弱标记音频进行知识转移，用于声音事件和场景

    本研究提出了一种基于卷积神经网络的弱标记音频数据分类框架，可用于转移学习，并证明了该方法对于领域和任务适应都具有有效性，此外还展示了该方法有助于捕捉语义含义和关系。

    Nov, 2017

  • 以封面来评断一本书

    使用深度卷积神经网络（CNN）预测书籍的流派，证明 CNN 可以提取特征并学习设计规则，发现书籍和它的封面之间的关系，同时介绍一个可用于模式识别任务的新的、具有挑战性的数据集。

    Oct, 2016